圖像的閾值分割技術(shù)

1、武漢理工大學(xué)專業(yè)綜合課程設(shè)計(jì)說明書1目 錄摘 要.I1 概述.12 圖像的閾值分割技術(shù).22.1 閾值分割思想和原理 .22.2 全局閾值分割 .22.3 自適應(yīng)閾值 .43 最佳閾值的選擇.43.1 直方圖技術(shù) .43.2 最大類間方差法（OTSU） .53.3 迭代法 .74 心得體會(huì).10參考文獻(xiàn).11武漢理工大學(xué)專業(yè)綜合課程設(shè)計(jì)說明書I摘 要圖像分割是一種重要的圖像技術(shù)，在理論研究和實(shí)際應(yīng)用中都得到了人們的廣泛重視。圖像分割是從圖像處理到圖像分析的關(guān)鍵步驟，可以說，圖像分割結(jié)果的好壞直接影響對(duì)圖像的理解。圖像分割的方法和種類有很多，有些分割運(yùn)算可直接應(yīng)用于任何圖像，而另一些只能適用于特

2、殊類別的圖像。有些算法需要先對(duì)圖像進(jìn)行粗分割。常見的分割方法有閾值分割、邊緣檢測、邊緣跟蹤、區(qū)域分裂與合并等。關(guān)鍵在：圖像分割，matlab，閾值分割武漢理工大學(xué)專業(yè)綜合課程設(shè)計(jì)說明書11 概述對(duì)圖像進(jìn)行研究和應(yīng)用時(shí)，人們往往對(duì)圖像中的某些部分感興趣，這些部分常被稱為目標(biāo)或?qū)ο螅╫bject） 。圖像處理的重要任務(wù)就是對(duì)圖像中的對(duì)象進(jìn)行分析和理解。在圖像分析中，輸出結(jié)果是對(duì)圖像的描述、分類或其他結(jié)論，而不再像一般意義的圖像處理那樣輸出也是圖像。圖像分割是將數(shù)字圖像分成互不重疊的區(qū)域并提取出感興趣目標(biāo)的技術(shù)。可見在圖像特征提取之前重要的一部分工作就是圖像分割，圖像分割是圖像識(shí)別和圖像理解的基本前

3、提步驟。圖像分割算法一般是基于灰度的兩個(gè)性質(zhì)之一：不連續(xù)性和相似性。第一個(gè)性質(zhì)的應(yīng)用是基于灰度的不連續(xù)變化來分割圖像。第二個(gè)性質(zhì)的主要應(yīng)用是根據(jù)事先制定的準(zhǔn)則將圖像分割為相似的區(qū)域。這兩種方法都有各自的優(yōu)點(diǎn)和缺點(diǎn)。常見的分割方法有閾值分割、邊緣檢測、邊緣跟蹤、區(qū)域分裂與合并等，如圖 1-1 所示。圖 1-1 圖像分割算法圖像分割不連續(xù)性檢測相似性檢測邊界分割邊緣檢測邊緣跟蹤Hough 變換區(qū)域分割閾值分割區(qū)域分裂與合并自適應(yīng)武漢理工大學(xué)專業(yè)綜合課程設(shè)計(jì)說明書22 圖像的閾值分割技術(shù)2.1 閾值分割思想和原理若圖像中目標(biāo)和背景具有不同的灰度集合：目標(biāo)灰度集合與背景灰度集合，且兩個(gè)灰度集合可用一個(gè)

4、灰度級(jí)閾值 T 進(jìn)行分割。這樣就可以用閾值分割灰度級(jí)的方法在圖像中分割出目標(biāo)區(qū)域與背景區(qū)域，這種方法稱為灰度閾值分割方法。在物體與背景有較強(qiáng)的對(duì)比度的圖像中，此種方法應(yīng)用特別有效。比如說物體內(nèi)部灰度分布均勻一致，背景在另一個(gè)灰度級(jí)上也分布均勻，這時(shí)利用閾值可以將目標(biāo)與背景分割得很好。如果目標(biāo)和背景的差別是某些其他特征而不是灰度特征時(shí)，那么先將這些特征差別轉(zhuǎn)化為灰度差別，然后再應(yīng)用閾值分割方法進(jìn)行處理，這樣使用閾值分割技術(shù)也可能是有效的設(shè)圖像為 f(x,y)，其灰度集范圍是0,L，在 0 和 L 之間選擇一個(gè)合適的灰度閾值 T，則圖像分割方法可由式（2.1）描述 （2.1）這樣得到的 g(x,y

5、)是一幅二值圖像。2.2 全局閾值分割閾值法有多種類型，主要有：全局閾值，自適應(yīng)閾值等。所謂全局閾值，如果背景的灰度值在整個(gè)圖像中可合理的看做恒定，而且所有物體與背景都具有幾乎相同的對(duì)比度，那么，只要選擇了正確的閾值，使用了一個(gè)固定的全局閾值一般會(huì)有較好的效果。圖 2-1 給出了利用全局閾值分割圖像的實(shí)例。圖 2-1（a）是原圖， （b）是TyxfTyxfyxg),(),(10),(武漢理工大學(xué)專業(yè)綜合課程設(shè)計(jì)說明書3選擇分割閾值為 60 的結(jié)果圖。MATLAB 程序如下： I=imread(tsaml.jpg); for i=1:width for j=1:height if(I(i,j)6

6、0) BW1(i,j)=0; else BW1(i,j)=1; end end end figure imshow(BW1)這里設(shè)定了一個(gè)常數(shù) 60，通過比較灰度值與 60 的大小關(guān)系來重新給圖像賦值。 (a) 原圖像 （b） 已分割圖像圖 2-1 全局閾值分割武漢理工大學(xué)專業(yè)綜合課程設(shè)計(jì)說明書42.3 自適應(yīng)閾值但是，在許多情況下，背景的灰度值并不是常數(shù)，物體和背景的對(duì)比度在圖像中也有變化，這時(shí)就要引入自適應(yīng)閾值，一個(gè)在圖像中某一區(qū)域效果良好的閾值在其他區(qū)域卻可能效果很差。在這種情況下，需要把灰度閾值取成一個(gè)隨圖像中位置緩慢變化的函數(shù)值，即為自適應(yīng)閾值。這類算法的時(shí)間復(fù)雜度和空間復(fù)雜度比較大

7、，但是抗噪聲的能力比較強(qiáng)，對(duì)采用全局閾值不容易分割的圖像有較好的效果。這種方法的關(guān)鍵問題是如何將圖像進(jìn)行細(xì)分和如何為得到子圖像估計(jì)門限值。由于用于每個(gè)像素的門限取決于像素在子圖像中的位置，這類門限處理是自適應(yīng)的。3 最佳閾值的選擇除非圖像中的物體有陡峭的邊沿，否則灰度閾值的取值對(duì)所抽取物體的邊界的定位和整體的尺寸有很大的影響。這意味著后續(xù)的尺寸（特別是面積）的測量對(duì)于灰度閾值的選擇很敏感。由于這個(gè)原因，我們需要一個(gè)最佳的，或至少是具有一致性的方法確定閾值。3.1 直方圖技術(shù)先作出圖像的灰度直方圖，若其直方圖呈雙峰且有明顯的谷底，則可以將谷底點(diǎn)所對(duì)應(yīng)的灰度值作為閾值 T，然后根據(jù)該閾值進(jìn)行分割就

8、可以將目標(biāo)從圖像中分割出來。這種方法適用于目標(biāo)和背景的灰度差較大，直方圖有明顯谷底的情況。圖 3-1 生成直方圖后可以看到，圖像有明顯的雙峰。兩個(gè)峰尖對(duì)應(yīng)于物體內(nèi)部和外部較多數(shù)目的點(diǎn)。兩峰之間的谷對(duì)應(yīng)于物體邊緣附近相對(duì)較少數(shù)目的點(diǎn)。所以可以取谷底對(duì)應(yīng)的灰度值作為閾值。MATLAB 程序如下：a=imread(img.bmp);武漢理工大學(xué)專業(yè)綜合課程設(shè)計(jì)說明書5imshow(a)figure;imhist(a)MATLAB 圖象處理工具箱提供了 imhist 函數(shù)來計(jì)算和顯示圖象的直方圖。其中 imhist(I,n)計(jì)算和顯示灰度圖象 I 的直方圖，n 為指定的灰度級(jí)數(shù)目，默認(rèn)值為 256。

9、（a） 原圖 （b）直方圖圖 3-1 生成直方圖 3.2 最大類間方差法（OTSU）最大類間方差法又稱為 OTSU 算法，該算法是在灰度直方圖的基礎(chǔ)上用最小二乘法原理推導(dǎo)出來的，具有統(tǒng)計(jì)意義上的最佳分割閾值。它的基本原理是以最佳閾值將圖像的灰度直方圖分割成兩部分，使兩部分的方差取最大值，即分離性最大。設(shè) X 是一幅具有 L 級(jí)灰度級(jí)的圖像，其中第 i 級(jí)像素為個(gè)，其中 i 的值iN在 0L-1 之間，圖像的總像素點(diǎn)個(gè)數(shù)為：第 i 級(jí)出現(xiàn)的概率為：NNPii10LiiNN武漢理工大學(xué)專業(yè)綜合課程設(shè)計(jì)說明書6在 OTSU 算法中，以閾值 k 將所有的像素分為目標(biāo)和背景兩類。其中，0C1C類的像素灰

10、度級(jí)為 0k-1，類的像素灰度級(jí)為 kL-1。0C1C圖像的總平均灰度級(jí)為：類像素所占面積的比例為：0C 類像素所占面積的比例為：1C1類像素的平均灰度為：0C/ )()(kk 類像素的平均灰度為：1C/ )()(kk其中，則類間方差公式為：22)()()(k令 k 從 0L-1 變化，計(jì)算在不同 k 值下的類間方差，使得最大)(k)(k時(shí)的那個(gè) k 值就是所要求的最優(yōu)閾值。圖 3-2 為采用 OTSU 方法取得最優(yōu)閾值后進(jìn)行閾值分割的結(jié)果。10LiiiP10kiiP10)(kiiiPk1)(1)(LkiikiPk武漢理工大學(xué)專業(yè)綜合課程設(shè)計(jì)說明書7MATLAB 程序如下： I=imread(

11、tsaml.jpg); width,height=size(I); level=graythresh(I); BW=im2bw(I,level); figure imshow(BW) MATLAB 提供 graythresh 函數(shù)來自動(dòng)獲取分割閾值，im2bw 功能是轉(zhuǎn)換圖像為二進(jìn)制圖像。這兩個(gè)函數(shù)結(jié)合使用，graythresh 函數(shù)是自適應(yīng)閾值，求出圖像的自適應(yīng)閾值，然后利用 im2bw 函數(shù)再轉(zhuǎn)化為二值圖像并輸出，得到如之前所示的自適應(yīng)閾值圖。 （a） 原圖 （b）OTSU 取閾值分割圖 3-2 OTSU 法取閾值分割3.3 迭代法迭代法的原理是：圖像中前景與背景之間的灰度分布為相互不重疊

12、，在這個(gè)前提下，實(shí)現(xiàn)對(duì)兩類對(duì)象的閾值分割。其算法步驟如下所示：1 設(shè)定參數(shù) T0，選擇一個(gè) T 的初始閾值估計(jì)值 T1。2 用 T1 分割圖像。將圖像分成兩組像素：G1 由所有灰度值大于 T1 的像素組成，而 G2 由所有灰度值小于或等于 T1 的像素組成。3 對(duì)區(qū)域 G1 和 G2 中的所有像素計(jì)算平均灰度值 u1 和 u2。武漢理工大學(xué)專業(yè)綜合課程設(shè)計(jì)說明書84 計(jì)算新的閾值：T2=（u1+u2）/2。5 如果|T2-T1|T0，則退出，T2 即為所求的全局閾值：否則，將 T2 賦值給T1，重復(fù)步驟 2 到 5。圖 3-3 是通過迭代法求閾值后進(jìn)行的分割。MATLAB 程序如下:I=imr

13、ead(tsaml.jpg); I=double(I); T=(min(I(:)+max(I(:)/2; done=false; i=0; while done r1=find(IT); Tnew=(mean(I(r1)+mean(I(r2)/2; done=abs(Tnew-T)1; T=Tnew; i=i+1; end I(r1)=0; I(r2)=1; figure; imshow(I)迭代法的步驟較多，用到的數(shù)學(xué)函數(shù)也比較多，比如double，find，mean，abs 函數(shù)等。double()是將一個(gè)數(shù)轉(zhuǎn)換為 double 型變量，find 用于尋找符合特定條件的值并返回，mean

14、函數(shù)用于求平均值，abs 函數(shù)是求絕對(duì)值函數(shù)。武漢理工大學(xué)專業(yè)綜合課程設(shè)計(jì)說明書9圖 3-3（a） 原圖圖 3-3（b）采用迭代法求閾值的分割 除了上面介紹的圖像分割的方法，還可以利用區(qū)域分割的圖像分割算法，該類方法利用的是圖像的空間性質(zhì)，認(rèn)為分割出來的屬于同一區(qū)域的像素應(yīng)具有相似的性質(zhì)，傳統(tǒng)的區(qū)域分割算法主要有區(qū)域增長和區(qū)域分裂合并法。這里不作介紹。武漢理工大學(xué)專業(yè)綜合課程設(shè)計(jì)說明書104 心得體會(huì)此次課程設(shè)計(jì)，我做的內(nèi)容是圖像分割。通過對(duì)圖像分割的進(jìn)一步了解，我對(duì)圖像分割在數(shù)字圖像處理中的巨大應(yīng)用有了更深刻的體會(huì)。同時(shí)，對(duì)MATLAB 編程的熟練程度也有了進(jìn)一步的提高。之前應(yīng)用 MATLA

15、B 編程處理過一些數(shù)字信號(hào)，所以對(duì) MATLAB 已經(jīng)有了一定的掌握。但運(yùn)用 MATLAB 編程次對(duì)圖像進(jìn)行處理卻還是第一次。因此，此次課程設(shè)計(jì)更多的是去掌握和查閱圖像處理本身的相關(guān)知識(shí)。在查閱過程中，也遇到了一些困難。首先是圖書館中相關(guān)資料在數(shù)字圖像處理方面大多都是理論知識(shí)，MATLAB 編程與數(shù)字圖像處理相結(jié)合的知識(shí)介紹的并不多，所以一開始感到有些手足無措。其次，我在網(wǎng)上也查閱了相關(guān)資料，但發(fā)現(xiàn)網(wǎng)絡(luò)上提供的一些參考程序普遍存在錯(cuò)誤，不能正常運(yùn)行。而且程序中采用的方法和思路跟自己所要實(shí)現(xiàn)的功能并不能很好的吻合。通過此次課程設(shè)計(jì)，我也有了不少新的認(rèn)識(shí)。首先，很多知識(shí)其實(shí)書上都已經(jīng)講的很透徹了，只要把課本上的內(nèi)容看懂就完全能完成題目要求。參考文獻(xiàn)是對(duì)課本以外的知識(shí)的拓展，在完成要求的基礎(chǔ)上多翻看一些相關(guān)書籍對(duì)題目的理解會(huì)更深入一些。其次，數(shù)字圖像處理在現(xiàn)實(shí)生活中有著非常廣泛的應(yīng)用，在心理學(xué)、生理學(xué)、計(jì)算機(jī)科學(xué)等諸多領(lǐng)域內(nèi)都發(fā)揮著作用。同時(shí)，圖像處理在軍事、遙感、氣象等大型應(yīng)用中有不斷增長的需求。我想，經(jīng)過這次課程設(shè)計(jì)我不但對(duì)數(shù)字圖像處理有了更深入的了解，對(duì) MATLAB 編程變得更加熟練，更重要的是激發(fā)了我在數(shù)字圖像處理方面的興趣